Quickchart.io를 활용한 동적 데이터 시각화 AI SQL 에이전트 - n8n 워크플로우

• 대화형 데이터 쿼리 자동화를 원하는 데이터 분석가 및 BI 전문가


• SQL 데이터베이스 쿼리 결과를 동적이고 시각적인 형태로 받아봐야 하는 팀


• LangChain 에이전트와 생성형 AI(OpenAI)를 데이터 소스와 통합하려는 고급 n8n 템플릿을 찾는 개발자


• 복잡한 의사결정 트리와 하위 워크플로우 실행을 처리하는 강력한 n8n 워크플로우를 찾는 사용자

이 강력한 n8n 워크플로우는 표준 대화형 SQL 에이전트를 포괄적인 데이터 시각화 도구로 변모시킵니다. LangChain SQL 에이전트의 쿼리 능력과 OpenAI의 구조화된 출력 생성 기능(특히 gpt-4o 및 JSON 스키마 정의 사용)을 결합하여, 데이터베이스 쿼리 응답을 뒷받침할 차트가 필요한지 여부를 n8n 템플릿이 자동으로 판단합니다.

핵심적으로 해결하는 문제는 SQL 쿼리로 반환된 원시 데이터와 의미 있고 이해하기 쉬운 차트 간의 격차를 해소하는 것입니다. 이 워크플로우는 필요한 Chart.js 구성을 동적으로 생성하고 Quickchart.io를 사용해 이미지를 렌더링함으로써, AI 에이전트의 텍스트 설명과 함께 더욱 풍부한 시각적 답변을 제공합니다. 이 n8n 워크플로우는 모든 팀 내에서 더 빠른 데이터 분석을 촉진하는 데 매우 효과적입니다.

이 고급 n8n 워크플로우는 여러 단계의 대화 프로세스를 통해 작동합니다:

1. 트리거 및 추출: When chat message received n8n 노드를 통해 채팅 메시지를 수신하면 n8n 트리거가 활성화됩니다. 정보 추출기(powered by an OpenAI Chat Model n8n 노드)는 사용자의 쿼리를 정리하고 명시적인 차트 관련 지침을 제거하여 핵심 질문이 SQL 에이전트에 도달하도록 보장합니다.


2. SQL 에이전트 실행: 추출된 질문은 AI 에이전트(AI Agent) n8n 노드(SQL 에이전트로 구성됨)로 전달됩니다. 이 에이전트는 PostgreSQL 데이터베이스에 연결하여 필요한 SQL을 실행하고 분석 결과를 대화 형식의 텍스트로 제공합니다. Window Buffer Memory n8n 노드를 사용하여 대화 기록을 유지합니다.


3. 시각화 결정: 텍스트 분류기 - 차트 필요 여부?(Text Classifier - Chart required?) n8n 노드는 원본 사용자 요청과 SQL 에이전트의 데이터 출력을 모두 분석합니다. OpenAI Chat Model Classifier를 사용하여 이 n8n 노드는 데이터가 차트로 표현될 때 더 잘 이해되는지 여부(chart_required)를 판단합니다.


4. 텍스트 전용 경로: 분류기가 차트가 불필요하다고 판단하면(예: 단일 데이터 포인트의 경우), 텍스트 출력 설정(Set Text output) n8n 노드가 에이전트의 응답 형식을 지정하고 n8n 워크플로우 실행을 완료합니다.


5. 차트 생성 경로 (하위 워크플로우): 차트가 필요한 경우, 데이터는 워크플로우 실행(Execute Workflow) n8n 노드로 전달되어 차트 생성 하위 워크플로우 경로를 시작합니다.


6. 구조화된 JSON 생성: 하위 워크플로우 내에서 OpenAI - 차트 정의 생성(OpenAI - Generate Chart definition) n8n 노드(OpenAI로의 HTTP 요청)는 원시 데이터와 사용자 요청을 받습니다. 이 노드는 Chart.js를 위한 엄격한 JSON 스키마 정의를 활용하여 OpenAI의 구조화된 출력 기능을 이용해 완벽하게 포맷된 차트 구성 객체를 생성합니다.


7. Quickchart URL 조립: 응답 설정(Set response) n8n 노드는 OpenAI가 생성한 Chart.js JSON을 가져와 Quickchart.io URL에 삽입하여 동적 이미지 링크를 만듭니다.


8. 최종 출력: 텍스트 + 차트 출력 설정(Set Text + Chart output) n8n 노드는 SQL 에이전트의 원래 텍스트 답변과 새로 생성된 Quickchart 이미지 URL(Markdown 이미지 링크 형식)을 병합하여, 이 강력한 n8n 템플릿을 통해 사용자에게 풍부하고 시각적인 응답을 제공합니다.

이 특정 n8n 워크플로우 템플릿을 성공적으로 배포하려면 다음 단계를 따르세요:

1. n8n 워크플로우 가져오기: 제공된 JSON 코드를 복사하여 자체 호스팅 또는 클라우드 n8n 인스턴스로 직접 가져옵니다.


2. 자격 증명 설정:

1. 데이터베이스 준비 (예제 데이터 사용 시): 워크플로우 예제는 'Coffee Sales Postgres' 데이터베이스 자격 증명을 참조하며 커피 판매 데이터 세트의 데이터를 쿼리하도록 설계되었습니다. 스키마가 다른 경우 데이터베이스 자격 증명과 AI 에이전트 n8n 노드 내의 Prefix Prompt를 업데이트하세요.


2. n8n 트리거 활성화: When chat message received n8n 트리거 노드가 활성화되어 n8n 워크플로우가 수신되는 사용자 쿼리를 수신 대기할 수 있도록 하세요. 이 n8n 워크플로우는 바로 실행할 준비가 되었습니다.

이 복잡한 n8n 워크플로우는 목표 달성을 위해 여러 전문화된 n8n 노드 유형을 활용합니다:

When chat message received (n8n 트리거):
기능: 통합된 채팅 인터페이스에서 사용자 메시지를 수신하면 n8n 워크플로우 실행을 시작합니다.
주요 설정: 공개 웹훅 엔드포인트로 구성됩니다.
AI Agent (LangChain Agent n8n 노드):
기능: 데이터베이스 상호 작용의 핵심 구성 요소입니다. 자연어 질문을 실행 가능한 SQL 쿼리로 변환하고, 연결된 PostgreSQL 데이터베이스에서 실행한 후 결과를 대화 형식으로 포맷합니다.
주요 설정: sqlAgent 유형을 사용합니다. 모델에게 답변 반환에 집중하고, 개발자 전문 용어를 피하며, SQL 구문(예: 테이블 이름 따옴표 처리)을 올바르게 처리하도록 지시하는 광범위한 Prefix Prompt(접두사 프롬프트)가 포함되어 있습니다.
Text Classifier - Chart required? (LangChain Text Classifier n8n 노드):
기능: 맥락에 따라 n8n 워크플로우의 후속 경로를 결정합니다. 시각화의 필요성을 분류합니다.
주요 설정: 데이터가 다차원적인지 또는 단일 값인지에 따라 chartrequired(차트 필요)와 chartnotrequired(차트 불필요)라는 두 가지 출력 범주를 정의합니다.
OpenAI - Generate Chart definition with Structured Output (HTTP Request n8n 노드):
기능: 이는 n8n 워크플로우의 중요한 단계입니다. OpenAI API(gpt-4o-2024-08-06)를 호출하고 응답 형식이 엄격한 Chart.js 스키마를 준수하는 JSON 객체여야 함을 명시적으로 요구합니다. 이를 통해 Quickchart.io에서 사용할 수 있는 출력을 보장합니다.
주요 설정: type, data, options(축척 및 플러그인 포함)와 같은 필수 속성을 정의하는 상세한 JSON 스키마와 함께 responseformat을 사용합니다.
Set response (Set n8n 노드):
기능: 이전 n8n 노드에서 생성된 차트 정의 JSON을 인코딩하고 기본 URL에 접미사로 추가하여 최종 Quickchart.io URL을 구성합니다.
* 주요 설정: 표현식 사용: ="https://quickchart.io/chart?width=200&c=" + encodeURIComponent($json.choices[0].message.content).